What Do We Know About the Science of Science in Business and Economics? Insights From the Top 50 Journals, 2008–2022
Notice bibliographique
Résumé
We conduct a descriptive analysis of the performance of disciplines, journals, authors, and universities based on the number of publications in 50 business and economics journals represented in the Financial Times list (FT 50) from 2008 to 2022 using data from the Web of Science. We analyze more than 55,000 papers published by more than 54,000 unique authors during this period to document four sets of findings. First, our analysis suggests that Operations Management and Multidisciplinary areas experienced significant publication growth from 2008 to 2022, increasing their publication and citation share in FT 50 journals, even after accounting for the relative handicap in terms of number of journals in the FT 50 list. Second, the growth in publications of the Operations Management discipline is driven by significant growth in Production and Operations Management and Manufacturing and Service Operations Management . The Journal of Business Ethics is a notable outlier, it alone published nearly 10% of the papers published in the FT 50 list, more than the number of papers published by the five disciplines each: Accounting, Marketing, Multidisciplinary, Operations Management, and Information Systems. Third, we find that the most prolific authors in Management and Organizations, Operations Management, Economics, and Marketing had a higher number of publications during the 2008–2022 period than the most prolific authors of other disciplines. Finally, our analyses of the most prolific 150 worldwide universities published in the FT 50 list suggest that the list is dominated mostly by about a dozen countries that include North American countries (the USA and Canada), European countries (Netherlands, Germany, the UK, France, and Spain), China (including Hong Kong), Australia, and Singapore. We discuss the implications of our findings for ranking organizations, editors, academic associations, individual scientists, administrators, and policymakers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,102 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,036 | 0,047 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,016 | 0,013 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».